منظور از متغیر وابسته (Dependent) و مستقل (Independent)

مدرس: مسعود کاویانی

MasoudKaviani.ir

در بسیاری از مراجعِ داده‌کاوی، مخصوصاً آن‌هایی که پایه‌ی آماریِ بیشتری داشته باشند، از عباراتی مانندِ متغیر وابسته و متغیرِ غیر وابسته استفاده می‌کنند. در این درس می‌خواهیم به این دو مفهوم بپردازیم، کاربرد و تفاوتِ این دو دسته متغیر را در حوزه‌ی علوم داده و یادگیری ماشین درک کنیم.

از دروس گذشته، شکلی مانندِ شکلِ زیر را به یاد بیاورید:

این یک مجموعه‌ی داده (دیتاست) شامل ۷ دانشجو بود که هر کدام ۴ ویژگی داشتند. می‌خواستیم از روی این ۴ ویژگی، یادگیری را انجام دهیم و بعد از یادگیری توسط الگوریتم، پیش‌بینی کنیم که یک دانشجوی جدید، می‌تواند دکتری قبول شود یا خیر. در این‌جا دو دسته داده داریم. داده‌هایی که ویژگی‌های ما را می‌سازند و عموماً به صورتِ X نمایش داده می‌شوند. در مثالِ بالا چهار ستونِ اول (معدل کل، تعداد مقالات، مدرک IELTS زیان و سنواتِ تحصیلی) داده‌هایی هستند که به متغیر مستقل (independent) معروف هستند. چون وابسته به متغیرهای دیگری نیستند و در واقع مستقل از متغیرهای دیگر هستند.

اما ستونِ آخر، ستون برچسب‌ها هستند که معمولاً با y نمایش می‌دهند، و به متغیرِ وابسته (dependent) معروف هستند. در این‌جا ستونِ دکتری قبول شده؟ یک متغیر وابسته است. زیرا ما از ۴ ستونِ قبلی استنتاج می‌کنیم که آیا شخصی با این ویژگی‌ها می‌تواند دکتری قبول شود یا خیر. برای مثال، شخص شماره #۱ با معدلِ کل ۱۹/۵، دارای مدرک زبان و ۳ سال سنوات تحصیلی توانسته دکتری قبول شود (حتماً توجه دارید که در موردِ شخصِ شماره‌ی ۱ مقدارِ ویژگیِ تعداد مقالات، خالی بود، یعنی برای این شخص داده‌ی تعداد مقاله مفقود شده است. همان‌طور که می‌بینید، این متغیرِ آخر (دکتری قبول شده یا خیر؟) وابسته به مقادیر مستقل یعنی همان Xها است. برای مثال در نمونه‌ی بالا ما می‌خواهیم از روی متغیر مستقل (X)، متغیر وابسته (y) را پیش‌بینی کنیم.

از این مجموعه داده‌های مستقل و وابسته در عملیات یادگیری ماشین، طبقه‌بندی و رگرسیون بسیار زیاد استفاده می‌شود.